# Metastability、Bifurcation 與安全動力學體制 ## 從吸引子景觀、Basin Crossing 與 Critical Slowing 到允許動力學 Repertoire **英文題名：** Metastability, Bifurcation, and Safe Dynamical Regimes: From Attractor Landscapes and Basin Crossing to Critical Slowing and Admissible Dynamical Repertoires **系列：** 相位載體物理實現論（Phase-Carrier Physical Realization Theory, PCPRT） **Paper：** 05 **作者：** Neo.K（許筌崴） **機構：** EveMissLab／一言諾科技有限公司 **理論協作：** Aletheia（GPT-5.6 Sol） **版本：** v1.0 **日期：** 2026-08-14 **狀態：** Public Theoretical Paper / Dynamical-Regime Safety Foundation --- ## 摘要 PCPRT Papers 01–04 已將廣義相位交流重新接回物理層：Paper 01 將 GPC-CS 定位為 coarse-grained effective theory；Paper 02 建立 physical phase、phase-amplitude state 與 carrier deformation；Paper 03 將跨載體 interaction 拆分成 energy、heat、particle、charge、information flow 與 entropy production；Paper 04 則建立可塑性載體： $$ q = ( z,\lambda,\mu ), $$ 其中 interaction 不只改變 fast state，也可改變 coupling parameters 與 plasticity-rule state。 本文進一步處理： > 當 carrier parameters、coupling、noise 或 external conditions 改變時，整個 dynamical landscape 如何改變？「安全」應該如何在 multistable、metastable、switching 與 bifurcating systems 中定義？ 本文的核心立場是： $$ \boxed{ \text{safe} \neq \text{staying near one fixed point}. } $$ 對 biological、neural、adaptive 與 driven-dissipative carriers，更合理的安全概念是： $$ \boxed{ \text{remaining inside an admissible dynamical repertoire}. } $$ 本文首先區分四種常被混稱為「狀態切換」的現象： 1. **Phase slip**：在相同 underlying dynamical regime 中，relative phase 經 $2\pi$ 類跳變或失鎖； 2. **Basin crossing**：vector field / parameters 固定，但 perturbation 或 noise 將 trajectory 推過 basin boundary； 3. **Bifurcation**：parameter variation 改變 invariant sets、stability 或其拓撲／質性結構； 4. **Metastable switching**：trajectory 在多個長壽但非永久 dynamical patterns 間停留與切換，未必要求多個真正 asymptotically stable attractors。 這四者具有不同的物理與安全意義，不能只用「state transition」概括。 對固定參數： $$ \lambda, $$ 考慮： $$ \dot z = F ( z;\lambda ). $$ 令： $$ \mathcal A_\alpha(\lambda) $$ 為 attractor / invariant dynamical set，令： $$ \mathcal B_\alpha(\lambda) $$ 為其 basin of attraction。本文定義 **basin margin**： $$ \boxed{ m_{\mathrm{basin}} ( z;\mathcal A_\alpha,\lambda ) = \operatorname{dist} \left( z, \partial \mathcal B_\alpha(\lambda) \right). } $$ 並證明：若 instantaneous perturbation $\delta z$ 在相同 metric 下滿足： $$ \boxed{ \|\delta z\| < m_{\mathrm{basin}}, } $$ 則 perturbation 後 state 仍留在同一 basin。因此「當前 activity 正常」與「離 regime boundary 很遠」是不同量；前者是狀態判定，後者是 resilience margin。 本文接著定義 parameter-space bifurcation margin。令： $$ \mathcal D_{\mathrm{adm}} \subseteq \Lambda $$ 為目前 dynamical regime 維持其 qualitative structure 的 parameter domain，則： $$ \boxed{ m_{\mathrm{bif}}(\lambda) = \operatorname{dist} \left( \lambda, \partial \mathcal D_{\mathrm{adm}} \right). } $$ 即使： $$ z $$ 當前仍深處某 attractor basin，只要： $$ m_{\mathrm{bif}} $$ 很小，慢變 plasticity / control parameter 仍可能把整個 attractor landscape 推到 qualitative transition。 本文第三個核心量是 **relaxation margin**。對 stable equilibrium： $$ z^\star(\lambda), $$ 線性化： $$ \dot\xi = J(\lambda)\xi, $$ 若 dominant stable eigenvalue： $$ \alpha(\lambda) = \max_k \operatorname{Re} \lambda_k < 0, $$ 則局部最慢 relaxation time 量級為： $$ \boxed{ \tau_{\mathrm{rel}} \sim \frac{1}{ |\alpha(\lambda)| }. } $$ 本文證明：若在某 smooth parameter path 上： $$ \alpha(\lambda) \rightarrow 0^- $$ 而其他假設維持正則，則： $$ \boxed{ \tau_{\mathrm{rel}} \rightarrow \infty. } $$ 這就是 continuous-time local linear sense 下的 **critical slowing down**。本文明確限制：autocorrelation、variance、skewness 等 early-warning proxies 是否可靠，還需要 noise model、sampling、bifurcation type 與 stationarity assumptions；critical slowing 並不是所有 regime transition 的 universal warning signal。 2010 年 Drake–Griffen 對 Daphnia populations 的控制實驗，提供 critical slowing 在 transcritical-bifurcation extinction transition 中的實證支持。2024 年 hippocampal seizure 研究則以 model、自由移動 mice 與 human iEEG experiment 驗證了神經系統中 excitability、resilience loss、slower recovery 與 fold-bifurcation-like critical transition 的一組特定 dynamical predictions。本文只將它們視為「在特定 system classes 中可被量測的 resilience transition」，而不是把 seizure dynamics 當作所有認知系統的普遍模型。 本文第四個重點是 **metastability 不等於 multistability**。若系統具有多個 stable attractors： $$ \mathcal A_1,\ldots,\mathcal A_m, $$ 並靠 noise / perturbation 跨 basin，屬於 multistable switching。若 system 自身存在 long-lived transient patterns、heteroclinic-like passages、winnerless competition 或 deterministic slow visits，而不需要多個永久 stable attractors，也可以出現 metastability。Roberts 等人的 whole-brain model 即展示無外部 noise 下多種 wave patterns 依序被訪問，transition 對應 phase-flow reconfiguration 與 nonlinear instabilities。 因此本文用 dwell-time structure 定義 metastable macrostate family： $$ \boxed{ \mathfrak M = \{ M_1,\ldots,M_r \}, } $$ 每個 $M_i$ 對應一個 coarse dynamical pattern，而不是必然對應 asymptotically stable attractor。若： $$ \tau_{\mathrm{dwell}}(M_i) \gg \tau_{\mathrm{trans}}, $$ 則 coarse observer 會看見長時間 dwell + 快速 transition 的 metastable repertoire。 本文第五個核心概念是 **允許動力學 repertoire**。不再只定義 state safe set： $$ \mathcal S \subseteq \mathcal Z, $$ 而定義： $$ \boxed{ \mathfrak R_{\mathrm{adm}} = ( \mathfrak A_{\mathrm{adm}}, \mathfrak M_{\mathrm{adm}}, E_{\mathrm{adm}}, \Lambda_{\mathrm{adm}} ). } $$ 其中： - $\mathfrak A_{\mathrm{adm}}$：允許 attractors / invariant sets； - $\mathfrak M_{\mathrm{adm}}$：允許 metastable macrostates； - $E_{\mathrm{adm}}$：允許 transition edges； - $\Lambda_{\mathrm{adm}}$：允許 parameter region。 真正 dynamical safety 要求 trajectory 不只位於某些安全 states，而要： 1. dwell 於允許 regime； 2. transition 只沿允許 edges； 3. parameter drift 不離開允許 regime family； 4. recovery / perturbation response 仍具有足夠 resilience margin。 本文因此定義 **dynamical reserve vector**： $$ \boxed{ \mathbf m_{\mathrm{dyn}} = ( m_{\mathrm{basin}}, m_{\mathrm{bif}}, r_{\mathrm{rec}}, \Delta U_{\mathrm{eff}}, \ldots ), } $$ 其中： $$ r_{\mathrm{rec}} = \frac1{ \tau_{\mathrm{rel}} } $$ 可作局部 recovery-rate proxy，而： $$ \Delta U_{\mathrm{eff}} $$ 只在具有合法 landscape / quasipotential description 的 stochastic systems 中使用。本文不將所有 nonequilibrium systems 強行寫成 scalar potential。 Kramers 1940 的 barrier-crossing theory 提供一個典型但受限的 stochastic metastability model：對受熱噪聲驅動的 metastable well，escape rate 在相應 regime 下呈指數依賴於 barrier height / noise scale。本文只採用其結構啟示： $$ \boxed{ \text{same attractor label} \text{ can have very different escape resilience}. } $$ 並明確指出 driven-dissipative nonequilibrium systems 常需要 landscape + probability/current-flow structure，而不能只靠 potential well 一個 scalar 解釋。2024 年 driven-dissipative nonlinear-system experiment 也已直接量測 energy landscape 與 flow dynamics。 最後，本文把 Paper 04 的 plasticity 接回 bifurcation： $$ \boxed{ \dot\lambda = \varepsilon G(q,u) } $$ 意味著 carrier 不只在某固定 landscape 上移動，而是： $$ \boxed{ \text{state evolves on a landscape that itself moves}. } $$ 因此完整 adaptive carrier 最小模型應寫成： $$ \boxed{ \dot z = F(z;\lambda), } $$ $$ \boxed{ \dot\lambda = \varepsilon G(z,\lambda,u), } $$ 並把： $$ \mathcal A_\alpha(\lambda), \quad \mathcal B_\alpha(\lambda), \quad m_{\mathrm{basin}}, \quad m_{\mathrm{bif}} $$ 都視為 time-dependent quantities。 本文不提供任何誘發 seizure、推動 carrier 越過 bifurcation、尋找最低刺激閾值、操控 basin crossing 或優化 regime-transition 方法。所有 seizure、critical-transition 與 oscillator experiments 僅作為 physical dynamical-system examples。 **關鍵詞：** metastability、multistability、bifurcation、basin crossing、critical slowing down、resilience、attractor landscape、dynamical repertoire、phase slip、neural dynamics --- # 0. 文獻定位 Metastability、multistability、bifurcation 與 critical transitions 是 dynamical-systems / statistical-physics 的成熟概念。 本文不重新發明： - attractor； - basin of attraction； - bifurcation； - Kramers escape； - critical slowing down； - metastability。 PCPRT 的工作是將它們重新組織成 **plastic physical carrier 的 safety language**。 2019 年 Roberts 等人在 human-connectome whole-brain model 中得到多種 metastable wave patterns，其 transition 對應 phase-flow reconfiguration；2024 年 Ocampo-Espindola 等則以 theory + electrochemical oscillator experiments 顯示 strong coupling 下 phase-locked solutions 間可出現不同 criticality 的 synchronization transitions，而且 phase-only reduction 可能漏掉 amplitude-mediated bifurcation structure。 因此： $$ \boxed{ \text{regime safety} } $$ 已經可以被接到真實物理與神經 dynamics， 不再只是 GPC 的抽象比喻。 --- # 1. Dynamical Carrier 考慮： $$ \boxed{ \dot z = F ( z;\lambda ), } $$ 其中： - $z\in\mathcal Z$：fast dynamical state； - $\lambda\in\Lambda$：parameter / coupling / plasticity state。 固定： $$ \lambda, $$ 得到一個 autonomous dynamical system。 --- # 2. Invariant Set 集合： $$ \mathcal A \subseteq \mathcal Z $$ 若： $$ \Phi_t(\mathcal A) = \mathcal A $$ 對所有適用時間成立，稱為 invariant set。 attractor 還需要： - invariant； - attracting； - 具有某個 attraction neighborhood / basin。 --- # 3. Basin of Attraction 對 attractor： $$ \mathcal A_\alpha, $$ 定義： $$ \boxed{ \mathcal B_\alpha = \left\{ z: \operatorname{dist} ( \Phi_t(z), \mathcal A_\alpha ) \rightarrow 0 \right\}. } $$ basin boundary： $$ \boxed{ \partial\mathcal B_\alpha. } $$ --- # 4. Multistability 如果固定同一： $$ F(\cdot;\lambda) $$ 同時存在多個 attractors： $$ \mathcal A_1, \ldots, \mathcal A_m, $$ 且： $$ \mathcal B_i $$ 非空， 則稱 multistability。 此時： $$ \boxed{ \text{same parameters} + \text{different initial conditions} \rightarrow \text{different asymptotic regimes}. } $$ --- # 5. Basin Crossing 如果： $$ z \in \mathcal B_1, $$ 受到 perturbation： $$ z^+ = z+\delta z $$ 後： $$ z^+ \in \mathcal B_2, $$ 則發生 basin crossing。 重要的是： $$ \boxed{ \lambda \text{ 不需要改變}. } $$ vector field 本身可以完全相同。 --- # 6. Basin Margin 定義： $$ \boxed{ m_{\mathrm{basin}} ( z;\mathcal A_\alpha,\lambda ) = \operatorname{dist} \left( z, \partial \mathcal B_\alpha(\lambda) \right). } $$ 這是當前 state 到 regime boundary 的最短 metric distance。 --- # 7. Basin-Margin Safety Theorem ## 定理 7.1 若： $$ z \in \operatorname{Int} \mathcal B_\alpha, $$ 且 perturbation： $$ \delta z $$ 滿足： $$ \boxed{ \|\delta z\| < m_{\mathrm{basin}} ( z;\mathcal A_\alpha,\lambda ), } $$ 則： $$ z+\delta z \in \mathcal B_\alpha. $$ ### 證明 由： $$ m_{\mathrm{basin}} = \operatorname{dist} ( z, \partial\mathcal B_\alpha ) $$ 定義， 開球： $$ B ( z, m_{\mathrm{basin}} ) $$ 不穿越： $$ \partial\mathcal B_\alpha. $$ 因： $$ z $$ 位於 basin interior， 該球內任意點仍與： $$ z $$ 位於同一 basin connected component。 若： $$ \|\delta z\| < m_{\mathrm{basin}}, $$ 則： $$ z+\delta z $$ 仍在 basin 內。 證畢。 --- # 8. Basin Margin 是 Resilience，而非 Activity 兩個 states 可以有近似相同 observable activity： $$ H(z_1) \approx H(z_2), $$ 但： $$ m_{\mathrm{basin}}(z_1) \gg m_{\mathrm{basin}}(z_2). $$ 因此： $$ \boxed{ \text{same output} \not\Rightarrow \text{same resilience}. } $$ --- # 9. Phase Slip 假設兩 coupled oscillators 處於同一 dynamical family。 relative phase： $$ \Delta\theta = \theta_2-\theta_1. $$ 若 noise / perturbation 造成： $$ \Delta\theta $$ 跨過 phase-locking branch 並發生： $$ 2\pi $$ 等價跳變， 稱 phase slip。 這通常是： $$ \boxed{ \text{phase-relation transition} } $$ 而不是 vector-field bifurcation。 --- # 10. Phase Slip 不等於 Basin Crossing phase slip 可以： - 發生於 same attractor / noisy locked regime； - 也可能伴隨 crossing of phase-potential barrier。 具體取決於模型。 因此： $$ \boxed{ \text{phase slip} \neq \text{general basin crossing} } $$ 作為普遍同義詞。 --- # 11. Bifurcation 現在讓： $$ \lambda $$ 改變。 若： $$ F(z;\lambda) $$ 的 invariant sets / stability 在： $$ \lambda_c $$ 發生 qualitative change， 稱： $$ \boxed{ \text{bifurcation}. } $$ --- # 12. Bifurcation 與 Basin Crossing 的差別 ### Basin crossing $$ F \text{ 固定}, $$ state 跨 basin。 ### Bifurcation $$ F(\cdot;\lambda) $$ 因： $$ \lambda $$ 改變， basin / attractor structure 本身改變。 因此： $$ \boxed{ \text{state crosses landscape} \neq \text{landscape itself changes}. } $$ --- # 13. Strong-Coupling Synchronization Transition PCPRT Paper 02 已指出： strong coupling 可以改變 amplitude dynamics。 2024 electrochemical-oscillator experiments 更顯示： - synchrony； - rotating-wave / splay states； 之間的 transition 可以具有不同 criticality。 而 phase-only description 在 strong coupling 下可能無法正確描述 full-system bifurcation。 因此： $$ \boxed{ \text{synchronization transition} } $$ 本身可以是 bifurcation problem， 不只是： $$ \Delta\theta \rightarrow0. $$ --- # 14. Parameter Regime 令： $$ \mathcal D_\alpha \subseteq \Lambda $$ 為 attractor family： $$ \mathcal A_\alpha(\lambda) $$ 保持某一 qualitative regime 的 parameter domain。 其 boundary： $$ \partial\mathcal D_\alpha $$ 包含可能的 bifurcation set。 --- # 15. Bifurcation Margin 定義： $$ \boxed{ m_{\mathrm{bif}} ( \lambda;\mathcal D_\alpha ) = \operatorname{dist} \left( \lambda, \partial \mathcal D_\alpha \right). } $$ 這是 parameter space 中到 qualitative transition boundary 的 distance。 --- # 16. Current Basin Margin 與 Bifurcation Margin 獨立 可以： $$ m_{\mathrm{basin}} \gg0, $$ 但： $$ m_{\mathrm{bif}} \ll1. $$ 意味： > state 現在很穩，但 parameter drift 快碰到 bifurcation。 反之也可以： $$ m_{\mathrm{bif}} \gg0, $$ 但： $$ m_{\mathrm{basin}} \ll1. $$ 意味： > vector field 結構穩定，但 current state 很靠近 basin boundary。 --- # 17. 兩種 Resilience 因此至少分： $$ \boxed{ R_{\mathrm{state}} \sim m_{\mathrm{basin}}, } $$ 以及： $$ \boxed{ R_{\mathrm{param}} \sim m_{\mathrm{bif}}. } $$ 前者是 state-space resilience。 後者是 parameter-space resilience。 --- # 18. Plasticity 會改變 Bifurcation Margin PCPRT Paper 04： $$ \dot\lambda = \varepsilon G(z,\lambda,u). $$ 因此： $$ \boxed{ \frac{d}{dt} m_{\mathrm{bif}} \neq 0 } $$ 一般成立。 也就是： > carrier 的安全 margin 可以因 learning / adaptation 本身慢慢改變。 --- # 19. Moving Landscape 完整 adaptive carrier： $$ \boxed{ \dot z = F(z;\lambda), } $$ $$ \boxed{ \dot\lambda = \varepsilon G(z,\lambda,u). } $$ 因此 attractor： $$ \mathcal A_\alpha(\lambda_t) $$ 與 basin： $$ \mathcal B_\alpha(\lambda_t) $$ 都隨時間變。 本文稱： $$ \boxed{ \text{moving dynamical landscape}. } $$ --- # 20. Adiabatic Tracking 若： $$ \lambda $$ 變得足夠慢， 而： $$ z $$ 對當前 attractor relaxation 足夠快， trajectory 可以近似追蹤： $$ \mathcal A_\alpha(\lambda(t)). $$ 這是 fast–slow adaptive system 的 adiabatic regime。 --- # 21. Tracking Failure 若： $$ \lambda $$ 變化速度與 relaxation time 可比， trajectory 可能無法繼續貼住 moving attractor。 因此： $$ \boxed{ \text{slow parameter drift} } $$ 相對誰慢很重要。 --- # 22. Relaxation Time 對 stable equilibrium： $$ z^\star(\lambda), $$ 線性化： $$ \boxed{ \dot\xi = J(\lambda)\xi. } $$ 令： $$ \alpha(\lambda) = \max_k \operatorname{Re} \lambda_k(J). $$ 穩定要求： $$ \alpha<0. $$ --- # 23. Local Recovery Rate 定義： $$ \boxed{ r_{\mathrm{rec}} = |\alpha|. } $$ 最慢 relaxation time scale： $$ \boxed{ \tau_{\mathrm{rel}} = \frac1{ |\alpha| } } $$ 作為局部線性近似。 --- # 24. Critical Slowing Theorem ## 定理 24.1 若沿 parameter path： $$ \lambda \rightarrow \lambda_c $$ 有 stable equilibrium： $$ z^\star(\lambda), $$ dominant linear eigenvalue： $$ \alpha(\lambda) = \max_k \operatorname{Re}\lambda_k <0 $$ 且： $$ \alpha(\lambda) \rightarrow 0^-, $$ 則 local linear relaxation time： $$ \boxed{ \tau_{\mathrm{rel}} = \frac1{ |\alpha(\lambda)| } \rightarrow \infty. } $$ ### 證明 由定義直接成立。 證畢。 --- # 25. Critical Slowing 的物理意義 越接近： $$ \alpha=0, $$ 小 perturbation 的 dominant decay 越慢。 因此： $$ \boxed{ \text{same perturbation} \rightarrow \text{longer recovery}. } $$ 這就是 resilience loss 的一個局部 dynamical signature。 --- # 26. Early Warning Proxy 在有 stochastic forcing： $$ d\xi = \alpha\xi dt + \sigma dW_t $$ 的簡化 Ornstein–Uhlenbeck picture 中， 當： $$ \alpha\rightarrow0^-, $$ 常可伴隨： - variance increase； - autocorrelation increase； - slower recovery。 但這些 proxy 的可靠性依賴： - bifurcation class； - sampling； - noise； - nonstationarity； - external forcing。 --- # 27. Critical Slowing 不是所有 Transition 的 Universal Indicator 例如： - abrupt forcing； - noise-induced jump； - crisis； - rate-induced tipping； - some oscillatory / non-normal transitions； 未必展示標準： $$ \alpha\rightarrow0 $$ 型 slowing。 因此： $$ \boxed{ \text{no CSD signal} \not\Rightarrow \text{no transition risk}. } $$ --- # 28. Daphnia Experiment Drake–Griffen 2010 在 controlled deteriorating environments 的 Daphnia populations 中觀察到： - coefficient of variation； - skewness； - autocorrelation； - spatial correlation； 在 approaching extinction transition 前出現與 critical slowing 相容的變化。 本文只把它當作： $$ \boxed{ \text{controlled experimental validation in one bifurcation system}. } $$ --- # 29. Neural Critical Dynamics 2024 hippocampal study 將： - model； - optogenetic mouse experiments； - human intracranial EEG； 結合， 並以 excitability control 測得： - resilience； - perturbation response； - recovery rate； - critical transition。 其結果支持 hippocampal seizure onset 可在研究情境中表現出 fold-bifurcation-like critical dynamics。 --- # 30. Neural Example 的邊界 這不表示： $$ \boxed{ \text{all cognition} = \text{seizure bifurcation dynamics}. } $$ 更不表示健康腦普遍「瀕臨病理臨界點」。 它只證明： > 真實 neural carrier 的 regime resilience、critical point 與 recovery dynamics 可以被實驗量測。 --- # 31. Metastability 現在考慮另一種 dynamical behavior。 trajectory 長時間停留於某 pattern： $$ M_i, $$ 再快速轉到： $$ M_j. $$ 這些 patterns 不一定都是 asymptotically stable attractors。 --- # 32. Metastable Macrostate 定義 coarse macrostate： $$ \boxed{ M_i \subseteq \mathcal Z } $$ 若 trajectory 在： $$ M_i $$ 附近 dwell time： $$ \tau_i^{\mathrm{dwell}} $$ 遠大於 transition duration： $$ \tau_{ij}^{\mathrm{trans}}, $$ 則可把： $$ M_i $$ 視為 metastable macrostate。 --- # 33. Timescale Criterion 若： $$ \boxed{ \tau_i^{\mathrm{dwell}} \gg \tau_{ij}^{\mathrm{trans}}, } $$ 則 coarse observer 會自然看到： $$ \boxed{ \text{state} \rightarrow \text{rapid transition} \rightarrow \text{state}. } $$ --- # 34. Metastability 不要求 Multistability Roberts 等 2019 的 whole-brain model 中， 多個 wave patterns 在固定參數下依序被訪問， 而 transition 可以在無 noise / external input 下自發發生。 作者將此與 multistability 區分， 因後者通常需要 perturbation 把 system 從一個 attractor 踢到另一個 attractor。 因此： $$ \boxed{ \text{metastability} \neq \text{multistability}. } $$ --- # 35. Multistable Switching 對真正 multistable system： $$ \mathcal A_1, \mathcal A_2, $$ transition 可能由： - external perturbation； - noise； - parameter drift； 造成 basin crossing。 這類 transition 的 dwell time 可以由 escape statistics 描述。 --- # 36. Kramers Metastability 對受熱噪聲驅動的 particle： $$ \dot x = - U'(x) + \sqrt{2D} \,\eta(t), $$ 如果存在 potential well 與 barrier： $$ \Delta U, $$ Kramers theory 在其適用 regime 中給出 escape rate 具有： $$ \boxed{ k_{\mathrm{esc}} \propto e^{-\Delta U/D} } $$ 或 thermal notation 下： $$ \boxed{ k_{\mathrm{esc}} \propto e^{-\Delta U/k_BT}. } $$ prefactor 依 friction / curvature 等條件而定。 --- # 37. Barrier Height 是 Resilience，但只在相應模型中 如果 gradient-like stochastic model 合法， $$ \Delta U $$ 可作 regime escape margin。 但 general driven-dissipative system： $$ \boxed{ \text{need not admit a single equilibrium potential }U. } $$ --- # 38. Nonequilibrium Landscape + Flow 對 nonequilibrium stationary stochastic systems， 除了 probability landscape， 還可能存在 nonzero probability current： $$ \mathbf J_{\mathrm{ss}} \neq 0. $$ 因此 dynamics 由： $$ \boxed{ \text{landscape} + \text{flow} } $$ 共同決定。 2024 driven-dissipative experiment 直接量測了 energy landscape 與 flow dynamics， 顯示這不是單純概念提醒。 --- # 39. Potential Metaphor 的限制 所以 PCPRT 不使用： $$ \boxed{ \text{brain = ball rolling in one universal potential landscape} } $$ 作為普遍真理。 「landscape」只能在： - model 定義清楚； - state coordinates 合法； - noise / current structure已知； 時具體化。 --- # 40. Dynamical Repertoire 本文定義： $$ \boxed{ \mathfrak R = ( \mathfrak A, \mathfrak M,E,\Lambda ). } $$ 其中： - $\mathfrak A$：attractor family； - $\mathfrak M$：metastable macrostate family； - $E$：allowed transition graph； - $\Lambda$：parameter regime。 --- # 41. Admissible Dynamical Repertoire 安全版本： $$ \boxed{ \mathfrak R_{\mathrm{adm}} = ( \mathfrak A_{\mathrm{adm}}, \mathfrak M_{\mathrm{adm}}, E_{\mathrm{adm}}, \Lambda_{\mathrm{adm}} ). } $$ 這比： $$ \mathcal S \subseteq \mathcal Z $$ 更適合描述「必須動」的 biological carrier。 --- # 42. State-Safe vs Regime-Safe ### State-safe $$ z_t \in \mathcal S. $$ ### Regime-safe $$ \boxed{ \text{trajectory belongs to an allowed dynamical regime and transition structure}. } $$ 因此： $$ \boxed{ \text{state-safe} \not\Rightarrow \text{regime-safe}. } $$ --- # 43. Transition Edge 定義 coarse regime label： $$ r_t \in \mathcal R_{\mathrm{label}}. $$ transition： $$ r_i \rightarrow r_j $$ 若： $$ (r_i,r_j) \in E_{\mathrm{adm}} $$ 則為允許 transition。 例如 biological cycle 本來就可能要求： $$ r_1 \rightarrow r_2 \rightarrow r_3. $$ 禁止所有 transition 反而不合理。 --- # 44. Safe Dynamics 不是 Static Dynamics 對： - neural oscillation； - sleep–wake transition； - locomotor central pattern generator； - endocrine cycles； - adaptive networks； 正常 function 本來就是 trajectory / cycle。 因此： $$ \boxed{ \text{safe} \neq \text{stationary}. } $$ --- # 45. Repertoire Safety 本文定義一條 trajectory： $$ z(t) $$ 為 repertoire-safe，若： 1. 所屬 macrostate 均在： $$ \mathfrak A_{\mathrm{adm}} \cup \mathfrak M_{\mathrm{adm}}; $$ 2. 每次 coarse transition 屬於： $$ E_{\mathrm{adm}}; $$ 3. carrier parameters： $$ \lambda(t) \in \Lambda_{\mathrm{adm}}. $$ --- # 46. Repertoire-Safety Proposition ## 命題 46.1 若 coarse regime map： $$ R: \mathcal Z \times \Lambda \rightarrow \mathcal R_{\mathrm{label}} $$ 使所有實際 trajectory： $$ (z(t),\lambda(t)) $$ 皆滿足： $$ R(z(t),\lambda(t)) \in R_{\mathrm{adm}}, $$ 且所有 consecutive regime transitions 皆位於： $$ E_{\mathrm{adm}}, $$ 則 trajectory 為 repertoire-safe。 這是一個定義型充分條件。 --- # 47. Repertoire Safety 仍需物理 Grounding 不能任意說： $$ R_{\mathrm{adm}} $$ 是安全。 必須由： - physiology； - task function； - hardware tolerance； - survival / homeostasis； - formal specification； 建立。 因此： $$ \boxed{ \text{dynamical repertoire} } $$ 是 safety representation， 不是 safety truth 本身。 --- # 48. Dynamical Reserve Vector 本文定義： $$ \boxed{ \mathbf m_{\mathrm{dyn}} = ( m_{\mathrm{basin}}, m_{\mathrm{bif}}, r_{\mathrm{rec}}, m_{\mathrm{esc}}, m_{\mathrm{cap}}, \ldots ). } $$ 其中： - $m_{\mathrm{basin}}$：state-space basin margin； - $m_{\mathrm{bif}}$：parameter-space bifurcation margin； - $r_{\mathrm{rec}}$：local recovery rate； - $m_{\mathrm{esc}}$：stochastic escape barrier proxy； - $m_{\mathrm{cap}}$：capacity reserve。 --- # 49. Margin Vector 不宜壓成單一分數 兩 systems 可以： - basin margin 大； - bifurcation margin 小。 另一個反之。 因此： $$ \boxed{ \mathbf m_{\mathrm{dyn}} } $$ 更適合 Pareto / multi-risk comparison。 --- # 50. Recovery Rate 是動態 Resilience Indicator 如果： $$ r_{\mathrm{rec}} $$ 下降， 表示小 perturbation 回到 local regime 的速度下降。 它可以在： $$ m_{\mathrm{basin}} $$ 尚未很小時就出現改變。 因此： $$ \boxed{ \text{distance margin} \neq \text{recovery-rate margin}. } $$ --- # 51. Safe Output Can Hide Resilience Loss 2024 hippocampal critical-dynamics experiment 的重要結構之一是： > 系統 observable state 在逼近 critical point 時仍可看似 baseline-like，但 response to probing perturbation 逐步增加、recovery 變慢、resilience 下降。 因此： $$ \boxed{ \text{normal output} \not\Rightarrow \text{normal resilience}. } $$ --- # 52. Passive vs Active Observation passive time-series statistics： - variance； - autocorrelation； - skewness； 可以提供 warning evidence。 但 active small perturbation response 直接估： $$ r_{\mathrm{rec}} $$ 或 response gain， 在某些 systems 中可能更直接。 本文不提供任何 intervention protocol。 --- # 53. GPC Observability Interface GPC-CS Paper 10： $$ H(x) $$ 可能看不見： $$ m_{\mathrm{basin}}, m_{\mathrm{bif}}. $$ 因此物理 carrier observability 應加入： $$ \boxed{ H_{\mathrm{dyn}} : (z,\lambda) \rightarrow \text{resilience observables}. } $$ --- # 54. Metastable Transition Graph 對 metastable macrostates： $$ M_1,\ldots,M_r, $$ 可以估計 transition matrix： $$ \boxed{ P_{ij} = P ( M_{t+\Delta}=M_j \mid M_t=M_i ). } $$ 這是 coarse stochastic dynamics。 --- # 55. Transition Matrix 不是 Microscopic Law $$ P_{ij} $$ 只是 coarse-grained regime-transition statistic。 它可能來自： - deterministic chaos； - noise； - hidden variables； - parameter drift。 因此： $$ \boxed{ P_{ij} \neq \text{fundamental transition force}. } $$ --- # 56. Dwell-Time Distribution 每個 metastable state： $$ M_i $$ 可有： $$ \boxed{ p_i(\tau_{\mathrm{dwell}}). } $$ 如果 tail 很長， 表示 long-lived metastability。 如果接近 exponential， 可能與 memoryless escape approximation 相容， 但不是必然。 --- # 57. Metastability 可以有功能 2019 expectation-driven sensory-coding study 顯示， gustatory cortex metastable dynamics 的 transition timing 可被 expectation 調節，並加快 stimulus coding。 因此 metastability 不只是「不穩定」。 它可以是： $$ \boxed{ \text{functional dynamical organization}. } $$ --- # 58. 因此安全不能消滅所有 Metastability 如果 biological computation 依賴 regime switching， 把 safety 定義成： $$ \text{never switch} $$ 會直接殺死 function。 所以： $$ \boxed{ \text{safe metastability} } $$ 是必要概念。 --- # 59. Multistable Memory 離散 attractor dynamics 也可以支援： - working memory； - decision state； - learned state。 因此： $$ \boxed{ \text{multiple attractors} \neq \text{pathology}. } $$ --- # 60. Attractor Count 不是 Safety 指標 有很多 attractors 不一定好或壞。 重要的是： - basin geometry； - transition accessibility； - functional assignment； - parameter robustness。 --- # 61. Basin Volume 對 stochastic / uncertain initial states， basin volume： $$ \boxed{ V_\alpha = \mu ( \mathcal B_\alpha ) } $$ 可以影響 attractor accessibility。 但 volume 依 measure： $$ \mu $$ 選擇。 因此不是 absolute property。 --- # 62. Basin Boundary Geometry fractal / riddled basin boundaries 可以讓： $$ m_{\mathrm{basin}} $$ 對 state 極度敏感。 此時 small perturbation outcome 很難預測。 因此： $$ \boxed{ \text{same basin label} } $$ 仍不代表相同 robustness。 --- # 63. Non-Normal Transient 與 Regime Safety GPC-CS Paper 09 已指出： $$ \rho(J)<1 $$ 不保證 finite-time amplification 小。 因此即使 asymptotically 回到 attractor， transient excursion 仍可能越出 physiological / hardware safety limits。 所以 regime-safe 還應檢查： $$ \boxed{ \text{transient corridor}. } $$ --- # 64. Safe Basin 不等於 Safe Trajectory 即使： $$ z_0,z_\infty \in \mathcal B_\alpha, $$ trajectory 中途仍可能進入不允許： $$ \mathcal U. $$ 因此： $$ \boxed{ \text{basin membership} \neq \text{path safety}. } $$ 這接回 GPC-CS Paper 06。 --- # 65. Basin-Safe Core 定義： $$ \boxed{ \mathcal B_\alpha^{\mathrm{safe}} = \left\{ z\in \mathcal B_\alpha: \Phi_t(z) \in \mathcal S \quad \forall t\ge0 \right\}. } $$ 這比普通 basin 更嚴格。 --- # 66. Plasticity Can Move Basin Boundaries 如果： $$ \dot\lambda\neq0, $$ 那： $$ \partial\mathcal B_\alpha(\lambda_t) $$ 本身在移動。 因此固定-time： $$ m_{\mathrm{basin}} $$ 只是 instantaneous margin。 --- # 67. Dynamic Basin Margin 定義： $$ \boxed{ m_{\mathrm{basin}}(t) = \operatorname{dist} \left( z_t, \partial \mathcal B_\alpha(\lambda_t) \right). } $$ 這才是 plastic carrier 的真正 state-space reserve。 --- # 68. Dynamic Bifurcation Margin 同樣： $$ \boxed{ m_{\mathrm{bif}}(t) = \operatorname{dist} \left( \lambda_t, \partial \mathcal D_{\mathrm{adm}} \right). } $$ 可以因 slow plasticity 持續下降。 --- # 69. Safe Adaptation vs Dangerous Drift 如果： $$ m_{\mathrm{bif}} $$ 下降但： $$ m_{\mathrm{basin}} $$ 上升， 代表 system 可能在短期更穩、長期更靠 parameter transition。 因此 adaptation 的安全評估天然是 multi-timescale。 --- # 70. Critical Slowing 與 Plasticity 當： $$ \lambda_t $$ 慢慢靠近： $$ \lambda_c, $$ 如果： $$ \alpha(\lambda_t) \rightarrow0^-, $$ 則 recovery time 增長。 因此： $$ \boxed{ \text{plastic parameter drift} \rightarrow \text{resilience drift}. } $$ --- # 71. Metaplasticity Can Move Criticality PCPRT Paper 04 有： $$ \dot\mu \neq0. $$ 如果： $$ \mu $$ 改變： $$ G $$ 或： $$ F $$ 的 effective parameters， 那麼 critical boundary 本身可以受更慢 history 調節。 所以： $$ \boxed{ \text{criticality can be history-dependent}. } $$ --- # 72. Carrier Regime State 本文因此建議 physical carrier full state 至少分： $$ \boxed{ Q = ( z, \lambda, \mu, r ), } $$ 其中： $$ r $$ 不是新的 microscopic variable， 而是 coarse regime label： $$ r = R(z,\lambda). $$ --- # 73. Regime Label 是 Derived Variable $$ r $$ 應該由： - attractor identity； - metastable cluster； - phase pattern； - functional mode； 等 observables / model 定義。 因此： $$ \boxed{ r \neq \text{fundamental state variable}. } $$ --- # 74. Repertoire Transition 當： $$ r_i \rightarrow r_j, $$ 需要問： 1. 是 phase slip？ 2. 是 basin crossing？ 3. 是 bifurcation？ 4. 是 metastable deterministic switching？ 5. 是 noise escape？ 6. 是 topology / plasticity change？ 同一表象 transition 可以有不同機制。 --- # 75. Mechanism Identifiability 只看到： $$ r_i \rightarrow r_j $$ 不能唯一知道 underlying cause。 因此： $$ \boxed{ \text{transition label} \neq \text{transition mechanism}. } $$ 這是 Paper 10 observability 的 regime 版本。 --- # 76. Safety 需要 Mechanism-Sensitive Model 因為不同機制需要不同 margin： - basin crossing： $m_{\mathrm{basin}}$ ； - bifurcation： $m_{\mathrm{bif}}$ ； - critical slowing： $r_{\mathrm{rec}}$ ； - noise escape： $\Delta U$ / quasipotential； - non-normal transient： $A_H$ ； - topology shift：network margin。 --- # 77. 單一「壓力值」不足 因此 biological carrier stress 不應只用： $$ s \in \mathbb R $$ 一個值。 更自然： $$ \boxed{ \mathbf m_{\mathrm{dyn}} } $$ 是多維 resilience state。 --- # 78. PCPRT Dynamical Safety Definition 本文提出： > 一個 physical carrier 在時間區間 $[0,T]$ 內 dynamical-safe，若其 trajectory、parameter path 與 coarse regime sequence 均位於事先由具體 system 定義的 admissible dynamical repertoire，且所有必要 safety margins 未跨越指定最低界。 形式化： $$ \boxed{ Q(t) \in \mathfrak R_{\mathrm{adm}} \quad \forall t\in[0,T]. } $$ --- # 79. 這不是 Universal Biology Definition 不同 carrier： - neuron； - whole brain； - cell； - molecular motor； - computer oscillator； - AI hardware network； 有完全不同： $$ \mathfrak R_{\mathrm{adm}}. $$ 所以 PCPRT 只提供 framework。 --- # 80. 可證偽性 ## 80.1 State-safe set 已足夠 若實際 carrier 的 function / risk 完全由 instantaneous state 決定， 且 attractor / transition structure 不增加預測力， repertoire safety 可簡化回普通： $$ \mathcal S. $$ ## 80.2 Basin margin 無預測力 若： $$ m_{\mathrm{basin}} $$ 與 perturbation outcome 無關， 則其 resilience interpretation 失效。 ## 80.3 Bifurcation margin 無法識別 若 parameter-space critical set 不可穩定定義， $$ m_{\mathrm{bif}} $$ 只能保留為特定 model quantity。 ## 80.4 Critical slowing absent 若 transition 不經 eigenvalue approach： $$ \alpha\rightarrow0, $$ CSD theorem 不適用。 ## 80.5 Metastable coarse states 無時間尺度分離 若： $$ \tau_{\mathrm{dwell}} \sim \tau_{\mathrm{trans}}, $$ metastable macrostate description 沒有良好 coarse-graining。 --- # 81. 本文的十個主命題 ## 命題 A：Phase slip、basin crossing、bifurcation、metastable switching 必須分開 它們改變的是不同 dynamical object。 ## 命題 B：Basin margin 提供固定 vector field 下的 state-space resilience $$ \boxed{ m_{\mathrm{basin}} = \operatorname{dist} ( z,\partial\mathcal B ). } $$ ## 命題 C：Bifurcation margin 提供 parameter-space resilience $$ \boxed{ m_{\mathrm{bif}} = \operatorname{dist} ( \lambda,\partial\mathcal D ). } $$ ## 命題 D：Approaching a zero-real-part eigenvalue produces local critical slowing 由定理 24.1。 ## 命題 E：Critical slowing 不是所有 critical transition 的 universal warning sign 其 observational proxy 是 model-dependent。 ## 命題 F：Metastability 不等於 multistability 長壽 transient / sequential dynamics 可在沒有多個 stable attractors 時存在。 ## 命題 G：安全應由 admissible dynamical repertoire 描述 $$ \boxed{ \mathfrak R_{\mathrm{adm}} } $$ 包含允許 regimes 與 transitions。 ## 命題 H：正常輸出不代表 resilience margin 仍高 需要 dynamical observation。 ## 命題 I：Plasticity 使 attractor landscape 與 safety margins 成為時間依賴量 $$ \boxed{ \mathcal A(\lambda_t), \mathcal B(\lambda_t), m_{\mathrm{bif}}(t). } $$ ## 命題 J：生物安全不是「不變」，而是「允許範圍內的穩定變化」 這是 PCPRT 從 static safety 轉向 dynamical-regime safety 的核心。 --- # 82. 下一篇 PCPRT Paper 06 將進入： $$ \boxed{ \text{神經相位與認知路由：Phase-Dependent Gating、Communication 與 Plasticity}. } $$ 下一篇將重新搜尋一手文獻，並特別維持以下限制： 1. neural phase 不等於 semantic meaning； 2. phase-dependent communication 不等於 direct mind transfer； 3. phase locking 不等於 cognition identity； 4. 要分清 excitability gating、communication-through-coherence、sequence coding、phase-dependent plasticity； 5. 要接實驗資料而不是只靠振盪模型。 --- # 83. 結論 如果 carrier 是 biological / neural / adaptive physical system， 安全幾乎不可能被簡化成： $$ z = z^\star. $$ 因為正常功能本身需要： - oscillation； - switching； - learning； - metastability； - homeostasis； - regime transition。 所以本文把安全重新放到： $$ \boxed{ \mathfrak R_{\mathrm{adm}}. } $$ 首先， $$ m_{\mathrm{basin}} $$ 告訴我們當前 state 離 basin boundary 多遠。 其次， $$ m_{\mathrm{bif}} $$ 告訴我們 carrier parameters 離 qualitative dynamical transition 多遠。 第三， $$ r_{\mathrm{rec}} = |\alpha| $$ 告訴我們 local perturbation 回復速度。 在 gradient-like stochastic metastability 中， barrier height： $$ \Delta U $$ 又提供另一種 escape resilience。 這些量彼此不同。 因此真正 dynamical safety 更像： $$ \boxed{ \mathbf m_{\mathrm{dyn}} = ( m_{\mathrm{basin}}, m_{\mathrm{bif}}, r_{\mathrm{rec}}, m_{\mathrm{esc}}, \ldots ). } $$ 而不是一個： $$ \text{safe/unsafe} $$ 單一瞬時 label。 最重要的是： $$ \boxed{ \text{same current state} \not\Rightarrow \text{same dynamical future}. } $$ carrier 可能： - 更靠 basin boundary； - 更靠 bifurcation； - recovery 更慢； - noise escape 更容易； 即使 observable output 暫時完全正常。 所以 PCPRT 對「安全」的物理版本現在可以正式寫成： $$ \boxed{ \text{Safety} = \text{remaining within an admissible dynamical repertoire with sufficient resilience margins}. } $$ 這也讓下一步從物理自然進入認知科學： > 如果 brain function 本來就利用 metastable regimes、phase relations 與 dynamical transitions，那麼 neural phase 在 information routing 中究竟扮演什麼角色？ 這正是 Paper 06 的問題。 --- # 參考文獻 1. Kramers, H. A. (1940). Brownian motion in a field of force and the diffusion model of chemical reactions. *Physica*, 7(4), 284–304. DOI: 10.1016/S0031-8914(40)90098-2. 2. Drake, J. M., & Griffen, B. D. (2010). Early warning signals of extinction in deteriorating environments. *Nature*, 467, 456–459. DOI: 10.1038/nature09389. 3. Roberts, J. A., Gollo, L. L., Abeysuriya, R. G., Roberts, G., Mitchell, P. B., Woolrich, M. W., & Breakspear, M. (2019). Metastable brain waves. *Nature Communications*, 10, 1056. DOI: 10.1038/s41467-019-08999-0. 4. Mazzucato, L., La Camera, G., & Fontanini, A. (2019). Expectation-induced modulation of metastable activity underlies faster coding of sensory stimuli. *Nature Neuroscience*, 22, 787–796. DOI: 10.1038/s41593-019-0364-9. 5. Maturana, M. I., et al. (2020). Critical slowing down as a biomarker for seizure susceptibility. *Nature Communications*, 11, 2172. DOI: 10.1038/s41467-020-15908-3. 6. Ocampo-Espindola, J. L., Kiss, I. Z., Bick, C., & Wedgwood, K. C. A. (2024). Strong coupling yields abrupt synchronization transitions in coupled oscillators. *Physical Review Research*, 6, 033328. DOI: 10.1103/PhysRevResearch.6.033328. 7. Dumont, V., Bestler, M., Catalini, L., Margiani, G., Zilberberg, O., & Eichler, A. (2024). Energy landscape and flow dynamics measurements of driven-dissipative systems. *Physical Review Research*, 6, 043012. DOI: 10.1103/PhysRevResearch.6.043012. 8. Lepeu, G., van Maren, E., Slabeva, K., Friedrichs-Maeder, C., Fuchs, M., Z’Graggen, W. J., Pollo, C., Schindler, K. A., Adamantidis, A., Proix, T., et al. (2024). The critical dynamics of hippocampal seizures. *Nature Communications*, 15, 6945. DOI: 10.1038/s41467-024-50504-9. 9. [Primary network metastability study] (2025). Metastability in networks of stochastic integrate-and-fire neurons. *Physical Review E*, 111, 064402. 10. [Network critical-transition prediction study] (2024). Early Predictor for the Onset of Critical Transitions in Networked Dynamical Systems. *Physical Review X*, 14, 031009. --- # 系列狀態 **Series:** Phase-Carrier Physical Realization Theory **Paper:** 05 **Version:** v1.0 **Canonical source encoding:** UTF-8 **Canonical mathematics delimiters:** ` $...$ ` and `$$...$$` only **Operational regime-transition induction details:** Excluded **Depends on:** PCPRT Papers 01–04; GPC-CS Papers 01, 04, 05, 06, 09, 10 **Next:** Paper 06 — 神經相位與認知路由：Phase-Dependent Gating、Communication 與 Plasticity